【技术实现步骤摘要】
基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法
[0001]本专利技术涉及目标检测
,具体涉及一种基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法。
技术介绍
[0002]近年来,基于卷积神经网络(CNN)的目标检测算法取得了突破性的进展,其应用场景非常广泛。目前,较为流行的通用目标检测算法按照处理步骤主要分为两大类,一类是基于候选区域的两阶段算法,另一类是端到端的单步检测算法。
[0003]基于候选区域的两阶段算法需要先产生目标候选框,再对候选框中目标的类别和位置进行预测,这类算法的典型代表为R
‑
CNN系列算法。如文献[1]Girshick R,Donahue J,Darrell T,et al.Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation[C]IEEE Conference on Computer Vision&Pattern Recognition.2014.中记载的技术方案。R
‑
CNN是第一个成功将深度学习应用于目标检测上的算法,该算法使用滑动窗口的思想,采用选择性搜索算法提取候选区域,然后利用卷积神经网络获取每个候选区域的特征向量并使用支持向量机(SVM)进行分类,最后通过回归的方式调整目标边界框的大小,得到目标检测结果。
[0004]选择性搜索算法如文献[2]Uijlings,Jasper& ...
【技术保护点】
【技术特征摘要】
1.基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法,其特征在于:在原始YOLOv3网络模型基础上,对YOLOv3网络模型输出层特征信息进行扩展,增加目标完整性预测、目标倾斜程度类别预测、目标最小外接矩形边界框位置预测,实现精准的目标定位。2.根据权利要求1所述基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法,其特征在于:所述YOLOv3网络模型输出层特征通道数filter的如公式(1)所示:filter=bNum*(ncls+ncoord+nconf)
ꢀꢀꢀ
(1)其中:bNum代表每个网格单元预测的边界框数目,即每个尺度的锚框负责预测一个边界框;ncls为模型训练时设定的类别个数;ncoord表示模型预测的边界框的位置信息数目,即边界框中心点(x,y)和宽w高h;nconf为模型预测的边界框的置信度。3.根据权利要求1所述基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法,其特征在于:所述YOLOv3网络模型,在训练时,网络为每个标记框选取与之交并比IOU最大的锚框,并学习标记框对于锚框的偏移值,从而得到模型权重;检测时,网络以置信度最大的锚框为基准,通过预测目标框相对于该锚框的偏移值,并结合回归公式(2)、公式(3)、公式(4)、公式(5)得到目标边界框位置;b
x
=σ(t
x
)+c
x
ꢀꢀꢀ
(2)b
y
=σ(t
y
)+c
y
ꢀꢀꢀ
(3)(3)其中:b
x
、b
y
为目标边界框中心点位置;b
w
、b
h
分别为目标边界框宽高,t
x
、t
y
分别是网络预测的目标边界框中心点位置偏移量;t
w
、t
h
分别是网络预测的目标边界框宽高偏移量;c
x
、c
y
为目标边界框中心点所在的网格单元左上角坐标,p
w
、p
h
为锚框的宽高。4.根据权利要求1所述基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法,其特征在于:所述YOLOv3网络模型输出层特征信息包括目标边界框的中心点坐标(x,y)、宽w、高h、置信度s、类别c信息。5.根据权利要求1所述基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法,其特征在于:所述目标完整性预测,指的是判断目标在图像中是否完整,若目标只有部分在图像中,则目标不完整,标签f取值为0,后面的特征信息失效,直接使用原始YOLOv3网络的目标边界框做目标最小外接矩形框输出;否则目标完整,标签f取值为1,后续特征信息均有效。6.根据权利要求1所述基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法,其特征在于:所述目标倾斜程度类别预测,指的是引入二进制编码的方式,对目标倾斜状态进行编码,4种倾斜状态使用2位二进制数编码,倾斜类别标签分别为00、01、10、11。7.根据权利要求1所述基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法,其特征在于:所述目标最小外接矩形边界框位置预测,包括:k1、k2、k3、k4的取值在0
‑
1之间,分别表示占垂直矩形框所在边的比例,且k1=k3、k2=k4;当目标最小外接矩形框为垂直矩形框时,若其宽大于高,类型标签取00,且k1=1、k2=0;否则类型标签取10,k1=0、k2=1;
当类型标签为00时,目标最小外接矩形框顶点S1、S2、S3、S4的坐标计算公式见公式(6)、公式(7)、公式(8)、公式(9);(x
s1
,y
s1
)=((b
x
‑
b
w
/2+k1*b
w
),(b
y
‑
b
h
/2)) (6)(x
s2
,y
s2
)=((b
x
+b
w
/2),(b
y
+b
h
/2
‑
k2*b
h
)) (7)(x
s3
,y
s3
)=((b
x
+b
w
/2
‑
k3*b
w
),(b
y
+b
h
/2)) (8)(x
s4
,y
s4
)=((b
x
‑
b
w
/2),(b
y
‑
b
h
/2+k4*b
h
)) (9)当类别标签为01时,目标最小外接矩形框顶点S1、S2、S3、S4的坐标计算公式见公式(15)、公式(16)、公式(17)、公式(18);(x
s1
,y
s1
)=((b
x
+b
w
/2),(b
y
+b
h
/2
‑
k1*b
h
))(15);(x
s2
,y
s2
)=((b
x
...
【专利技术属性】
技术研发人员:徐光柱,万秋波,匡婉,雷帮军,石勇涛,吴正平,
申请(专利权)人:三峡大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。